基于聚类的快速支持向量机训练算法

• 作者: 曾志强 谢彦麒 高济
• 来源期刊: 计算机应用研究
• 关键词: 二次规划 无监督聚类 权值 距离阈值 潜在支持向量
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1253-1256
• 页数: 4页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2009.04.013

摘要

支持向量机(support vector machine, SVM)具有良好的泛化性能而被广泛应用于机器学习及模式识别领域.然而,当训练集较大时,训练SVM需要极大的时间及空间开销.另一方面,SVM训练所得的判定函数取决于支持向量,使用支持向量集取代训练样本集进行学习,可以在不影响结果分类器分类精度的同时缩短训练时间.采用混合方法来削减训练数据集,实现潜在支持向量的选择,从而降低SVM训练所需的时间及空间复杂度.实验结果表明,该算法在极大提高SVM训练速度的同时,基本维持了原始分类器的泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高济	浙江大学计算机科学与技术系	113	1578	22.0	34.0
2	曾志强	厦门理工学院计算机科学与技术系	15	151	6.0	12.0
3	谢彦麒	厦门理工学院计算机科学与技术系	13	34	3.0	5.0